面向病理图像分割的边缘感知网络 |
| |
引用本文: | 黄鸿,杨沂川,王龙,郑福建,吴剑.面向病理图像分割的边缘感知网络[J].光子学报,2024(1):85-97. |
| |
作者姓名: | 黄鸿 杨沂川 王龙 郑福建 吴剑 |
| |
作者单位: | 1. 重庆大学光电技术与系统教育部重点实验室;2. 重庆大学附属肿瘤医院头颈肿瘤中心 |
| |
基金项目: | 国家自然科学基金(No.42071302); |
| |
摘 要: | 提出了一种针对病理切片图像的端到端语义分割方法--边缘感知网络(BPNet),以提高病理图像分割精度。BPNet网络首先在解码器阶段增加边缘感知模块,改善网络对于病理图像边缘的特征信息提取能力。然后,采用自适应通道注意力模块弥补不同层次特征间的语义差距,进一步加强网络的特征聚合能力。在此基础上,设计了一种基于结构和边缘的联合损失函数,以实现最佳的病理图像分割结果。在GlaS和MoNuSeg两个公开病理数据集上的分割实验结果表明,所提方法的Dice系数得分在两个数据集上分别达到92.21%和81.18%,有效提升了病理图像的分割精度。
|
关 键 词: | 病理图像 自动分割 深度学习 边缘增强 联合损失函数 |
|
|